人工神经网络

神经网络是由大量简单神经元组成，能够模拟人类大脑的结构和功能，并具有一定连接规律的复杂网络系统。主要分三种类型：前向神经网络、后向神经网络、自组织网络。其中前向神经网络因具有提取分类规则的作用，在数据挖掘领域受到重点关注。人工神经网络能通过自学习来获取给定数据的内在规则，并对相关数据做出判别。可以用于医学领域中疾病预报、脉象识别与分析、疾病诊断和舌象处理等方面。它由输入层、节点（神经元）、输出层和隐含层组成。不同层之间的节点可相互连接，同层节点间无连接。从网络的结构可划分为BP 网络（反向传播神经网络）、RBF 神经（径向基网络）、贝叶斯网络。其中 BP 网络是目前应用最为广泛的神经网络之一。

在中医证候学领域，运用其非线性映射特性，即可辨识中医四诊信息，使用自身学习能力来获取证候规律，建立非线性映射关系以及证型诊断模型，为准确诊断新病例的证型提供了技术支持。